Implementasi Content Based Image Retrieval Menggunakan Speeded-Up Robust Features (SURF)

vi

ABSTRAK
Temu balik citra ataupun temu balik citra berdasarkan konten gambar adalah bidang
terkenal dari penelitian sistem temu balik informasi. Temu balik citra memiliki tugas
yang menantang, yang terutama yaitu menerima kembali citra yang memiliki
kemiripan atau relevan dari database citra yang besar. Salah satu teknik yang dapat
digunakan sebagai solusi untuk menerima kembali citra relevan dalam temu balik citra
adalah algoritma Speeded-Up Robust Features (SURF). SURF adalah detektor dan
deskriptor fitur citra yang cepat dan kuat. Dan kini banyak digunakan secara luas
dalam aplikasi komputer visual, seperti dalam aplikasi temu balik citra. SURF
pertama kali dipresentasikan oleh Herbert Bay pada konferensi eropa 2006 tentang
Computer Vision dan sebagian terinsiprasi oleh Scale-Invariant Feature Transform
(SIFT). Karena SURF hanya dapat memproses citra grayscale, maka citra harus
dikonversi dari format RGB ke format grayscale. Titik Interest atau KeyPoint dari
koleksi citra direpresentasikan oleh vektor yang kemudian akan dibandingkan
menggunakan pengukuran jarak Euclidean Distance. Euclidean Distance digunakan
untuk membandingkan kemiripan antara fitur atau ciri dari koleksi citra. Sehingga
pada akhirnya, sistem akan menerima kembali citra yang relevan dari database.
Parameter yang digunakan untuk mengukur kualitas dari hasil temu balik citra adalah
nilai dari Recall, Precision dan Running Time. Berdasarkan hasil pengujian

menggunakan 100 gambar, rata-rata nilai Recall terhadap koleksi citra adalah 83%
dan Precision 22.29% serta Running Time Similiarity Comparison 30376 ms.
Kata kunci : Citra, Temu Balik, Content Based Image Retrieval (CBIR),
Speeded-Up Robust Features (SURF), Euclidean Distance.

Universitas Sumatera Utara

vii

IMPLEMENTATION OF CONTENT BASED IMAGE RETRIEVAL ( CBIR )
WITH SPEEDED UP ROBUST FEATURES
( SURF )
ABSTRACT

Image Retrieval (IR) or Content-Based Image Retrieval (CBIR) is a well-known field
of research in Information Retrieval System (IRS). Content-Based Image Retrieval
(CBIR) has a challenging task which especially retrieves similar or relevant images
from the large database. One of the techniques in CBIR as a solution for retrieving
relevant images is Speeded Up Robust Features (SURF) Algorithm. SURF is fast and
robust feature detector and descriptor for the image. It is vastly used in many

computer vision applications such as CBIR applications. It was first presented by
Herbert Bay at the 2006 European Conference on Computer Vision and partly inspired
by the Scale-Invariant Feature Transform (SIFT). Since SURF works only on
grayscale images, therefore the images have to convert from RGB to Grayscale
format. Interest points or key points of images are represented by vectors that are
compared using Euclidean Distance measures. Euclidean Distance is used to match
the similarity among the features of the images. Finally, the system retrieves the
matched images from the database. The parameters used for measuring the quality of
CBIR result are the value of recall, precision and running time. The test with 100
images has shown that the average percentage value of recall is 83%, precision is
22,29% and running time for similarity comparison is 30376 ms.
Keywords : Image, Retrieval, Content Based Image Retrieval (CBIR), Speeded
Up Robust Features (SURF), Euclidean Distance.

Universitas Sumatera Utara